一种基于参考点和密度的快速聚类算法

• 作者: 唐世渭 杨冬青 王腾蛟 马帅 高军
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 聚类 密度 高维 参考点 数据挖掘
• 年，卷（期）: 2003,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1089-1095
• 页数: 7页
• 分类号: TP181
• 字数: 4963字
• 语种: 中文

摘要

数据的规模越来越大,要求数据挖掘算法有很高的执行效率.基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.提出了一种新的基于参考点和密度的CURD(clustering using references and density)聚类算法,其创新点在于,通过参考点来准确地反映数据的空间几何特征,然后基于参考点对数据进行分析处理.CURD算法保持了基于密度的聚类算法的上述优点,而且CURD算法具有近似线性的时间复杂性,因此CURD算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CURD算法具有处理任意形状的聚类、对噪音数据不敏感的特点,并且其执行效率明显高于传统的基于R*-树的DBSCAN算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐世渭	北京大学计算机科学技术系	103	4937	32.0	70.0
5	高军	北京大学计算机科学技术系	25	1291	16.0	25.0
6	杨冬青	北京大学计算机科学技术系	97	4962	32.0	70.0
7	王腾蛟	北京大学计算机科学技术系	60	1977	21.0	44.0
8	马帅	北京大学计算机科学技术系	12	378	5.0	12.0